XSTK-2 - 3-Chương2-Phần - 3-Vector ngẫu nhiên

Ch÷ìng 2 - Ph¦n 3: VECTOR NGU NHIN
Nguy¹n Ti¸n ¤t

Bë mæn X¡c su§t-Thèng k¶
Khoa To¡n-Tin håc, tr÷íng H Khoa håc Tü nhi¶n, HQG TPHCM
ndat@hcmus.edu.vn
Dat T. Nguyen Vector ngü nhi¶n VNUHCM-US 1 / 35

1 Giîi thi»u
Kh¡i ni»m vector ngü nhi¶n
Ph¥n phèi x¡c su§t cõa vector ngü nhi¶n 2-chi·u
2 Vector ngü nhi¶n ríi r¤c 2-chi·u
Ph¥n phèi çng thíi
Ph¥n phèi l·
Ph¥n phèi câ i·u ki»n v sü ëc lªp
3 Hi»p ph÷ìng sai (Covariance) v h» sè t÷ìng quan (correlation)
Hi»p ph÷ìng sai (Covariance)
H» sè t÷ìng quan

Giîi thi»u Kh¡i ni»m vector ngü nhi¶n
Outline
1 Giîi thi»u
Ph¥n phèi l·

Giîi thi»u Kh¡i ni»m vector ngü nhi¶n
Vector ngü nhi¶n

Mët bë gçm n bi¸n ngü nhi¶n (X1, X2, ..., Xn) gåi l mët vector
ngü nhi¶n n chi·u.
• N¸u X1 , ..., Xn l c¡c bi¸n ngü nhi¶n ríi r¤c th¼ (X1 , ..., Xn ) l
vector ngü nhi¶n ríi r¤c.
• N¸u X1 , ..., Xn l c¡c bi¸n ngü nhi¶n li¶n töc th¼ (X1 , ..., Xn ) l
vector ngü nhi¶n li¶n töc.
V½ dö 1.1
Mët nh m¡y s£n xu§t mët lo¤i s£n ph©m, n¸u k½ch th÷îc cõa s£n
ph©m ÷ñc o b¬ng chi·u d i X v chi·u rëng Y th¼ ta câ vector ngü
nhi¶u 2-chi·u, cán n¸u ta x²t th¶m chi·u cao Z núa th¼ ta câ vector
ngü nhi¶n 3-chi·u. N¸u ta ch¿ quan t¥m ¸n trång l÷ñng v thº t½ch
cõa s£n ph©m, ta công câ bi¸n ngü nhi¶n 2-chi·u.
Giîi thi»u Ph¥n phèi x¡c su§t cõa vector ngü nhi¶n 2-chi·u
Outline
1 Giîi thi»u
Ph¥n phèi l·

H m ph¥n phèi cõa vector ngü nhi¶n 2-chi·u

ành ngh¾a 1.2 (Joint probability distribution function)
H m ph¥n phèi x¡c su§t çng thíi cõa vector ngü nhi¶n (X, Y )
l h m FX,Y (x, y) ÷ñc ành ngh¾a
FX,Y (x, y) = P (X ≤ x, Y ≤ y) , ∀x, y ∈ R. (1)
ành ngh¾a 1.3 (Marginal probability distribution functions)
N¸u vector ngü nhi¶n (X, Y ) câ h m ph¥n phèi x¡c su§t çng thíi
FX,Y (x, y) th¼ h m ph¥n phèi x¡c su§t l· cho X v cho Y ÷ñc
ành ngh¾a
FX (x) = P(X ≤ x) = P(X ≤ x, Y < +∞) = lim FX,Y (x, y); (2)
y→+∞
FY (y) = P(Y ≤ y) = P(X < +∞, Y ≤ y) = lim FX,Y (x, y).

x→+∞
(3)
H m ph¥n phèi cõa vector ngü nhi¶n 2-chi·u: T½nh ch§t

Mët sè t½nh ch§t
(i) FX,Y (·, ·) l h m khæng gi£m theo tøng bi¸n, ngh¾a l , ta câ:
n¸u x1 ≤ x2, th¼ FX,Y (x1, y) ≤ FX,Y (x2, y), ∀y ∈ R;
n¸u y1 ≤ y2, th¼ FX,Y (x, y1) ≤ FX,Y (x, y2), ∀x ∈ R;
(ii)
lim FX,Y (x, y) = lim FX,Y (x, y) = lim FX,Y (x, y) = 0;
x→−∞ y→−∞ x→−∞
y→−∞
(ii)
lim FX,Y (x, y) = 1.
x→+∞
y→+∞

Vector ngü nhi¶n ríi r¤c 2-chi·u Ph¥n phèi çng thíi
Outline
1 Giîi thi»u
Ph¥n phèi l·

H m mªt ë çng thíi - TH ríi r¤c
ành ngh¾a 2.1 (Joint probability mass function)

H m mªt ë (trång l÷ñng) x¡c su§t çng thíi (hay ngn gån l
h m mªt ë çng thíi) cõa vector ngü nhi¶n ríi r¤c (X, Y ), kþ
hi»u l fX,Y (x, y), l h m thüc thäa
(i) fX,Y (x, y) = P (X = x, Y = y) ;
(ii) fX,Y (x, y) ≥ 0;
(iii) X X
fX,Y (x, y) = 1.
x∈X(Ω) y∈Y (Ω)
H m mªt ë çng thíi cõa (X, Y ) ÷ñc biºu di¹n thæng qua b£ng
ph¥n phèi x¡c su§t çng thíi.

B£ng ph¥n phèi x¡c su§t çng thíi - TH ríi r¤c

Vîi X(Ω) = {x1 , x2 , ..., xm } v Y (Ω) = {y1 , y2 , ..., yn }, ta câ thº lªp b£ng
ph¥n phèi x¡c su§t çng thíi nh÷ sau:
Y
Têng dáng
HH
HH y1 y2 ... yj ... yn
X H
x1 f (x1 , y1 ) f (x1 , y2 ) ... f (x1 , yj ) ... f (x1 , yn ) f (x1 , )
x2 f (x2 , y1 ) f (x2 , y2 ) ... f (x2 , yj ) ... f (x2 , yn ) f (x2 , )
.. .. .. .. .. ..
. . . ... . ... . .
xi f (xi , y1 ) f (xi , y2 ) ... f (xi , yj ) ... f (xi , yn ) f (xi , )
.. .. .. .. .. ..
. . . ... . ... . .
xm f (xm , y1 ) f (xm , y2 ) ... f (xm , yj ) ... f (xm , yn ) f (xm , )
Têng cët f (, y1 ) f (, y2 ) ... f (, yj ) ... f (, yn ) 1
B£ng 1: Ph¥n phèi x¡c su§t çng thíi cõa vector ngü nhi¶n ríi r¤c (X, Y ).

H m mªt ë çng thíi - TH ríi r¤c: Th½ dö
V½ dö 2.2
Cho (X, Y ) l vector ngü nhi¶n ríi r¤c 2-chi·u, câ h m mªt ë çng thíi
fX,Y (x, y) cho bði b£ng sau
HH Y
H −1 0 1
X HH
1 1 1
−1
6 9 9
1 1
0 0
9 6
1 1 1
1
18 9 6
T½nh: a) P(X + Y = 1); b) P(X = 0); c) P(X < Y ).

Vector ngü nhi¶n ríi r¤c 2-chi·u Ph¥n phèi l·
Outline
1 Giîi thi»u
Ph¥n phèi l·

H m mªt ë l· - TH ríi r¤c
ành ngh¾a 2.3 (Marginal probability mass function)

N¸u vector ngü nhi¶n ríi r¤c (X, Y ) câ h m mªt ë çng thíi l
fX,Y (·, ·), th¼ h m mªt ë l· cho bi¸n ngü nhi¶n X v Y ÷ñc x¡c
ành, vîi x0 b§t ký trong X(Ω) v y0 b§t ký trong Y (Ω), nh÷ sau:
(4)
X
fX (x0 ) = P(X = x0 ) = fX,Y (x0 , y),
y∈Y (Ω)
(5)
X
fY (y0 ) = P(Y = y0 ) = fX,Y (x, y0 ).
x∈X(Ω)

H m mªt ë l· - TH ríi r¤c (tt)
■ B£ng ph¥n phèi l· cõa bi¸n ngü nhi¶n ríi r¤c X :

X x1 x2 ... xm
P(X = x) fX (x1 ) fX (x2 ) ... fX (xm )
vîi fX (xi ) = fX,Y (xi , ) = y∈Y (Ω) fX,Y (xi , y).

P
■ B£ng ph¥n phèi l· cõa bi¸n ngü nhi¶n ríi r¤c Y :

Y y1 y2 ... yn
P(Y = y) fY (y1 ) fY (y2 ) ... fY (yn )
vîi fY (yj ) = fX,Y (, yj ) = x∈X(Ω) fX,Y (x, yj ).

P

H m mªt ë çng thíi - Th½ dö

V½ dö 2.2 (tt)
X²t vector ngü nhi¶n ríi r¤c (X, Y ) câ h m mªt ë çng thíi cho bði
HH Y
H −1 0 1
X H H
H
1 1 1
−1 6 9 9
1 1
0 9 0 6
1 1 1
1 18 9 6
T¼m h m mªt ë l· cho X v Y.

Gñi þ: ■ V¼ b.n.n. X ch¿ nhªn c¡c gi¡ trà {−1; 0; 1} n¶n h m mªt ë l· cõa X ÷ñc x¡c
ành bði: • fX (−1) = ... ; • fX (0) = ... ;
• fX (1) = ... .
■ V¼ b.n.n. Y ch¿ nhªn c¡c gi¡ trà {−1; 0; 1} n¶n h m mªt ë l· cõa Y ÷ñc x¡c ành bði:
fY (y) = fX,Y (−1, y) + fX,Y (0, y) + fX,Y (1, y), vîi y l¦n l÷ñt nhªn c¡c gi¡ trà −1; 0; 1.

Ký vång v ph÷ìng sai tø ph¥n phèi x¡c su§t çng thíi - TH ríi r¤c
ành ngh¾a 2.4

Vîi vector ngü nhi¶n ríi r¤c (X, Y ), n¸u X câ h m mªt ë l· fX (·) th¼
(6)
X X X
E(X) = µX = x.fX (x) = x. fX,Y (x, y) ,
x∈X(Ω) x∈X(Ω) y∈Y (Ω)
v
Var(X) = σX2 =
X
(x − µX )2 .fX (x)
x∈X(Ω)
(7)
X X
= (x − µX )2 . fX,Y (x, y)
x∈X(Ω) y∈Y (Ω)
T÷ìng tü, ta công câ ành ngh¾a ký vång v ph÷ìng sai cho Y .

Vector ngü nhi¶n ríi r¤c 2-chi·u Ph¥n phèi câ i·u ki»n v sü ëc lªp
Outline
1 Giîi thi»u
Ph¥n phèi l·

H m mªt ë câ i·u ki»n - TH ríi r¤c
Vîi vector ngü nhi¶n ríi r¤c (X, Y ), khi bi¸t tr÷îc X = x ∈ X(Ω) th¼
h m mªt ë câ i·u ki»n cõa Y cho bði

fY |X (y|x) = P Y = y X = x .
p döng cæng thùc x¡c su§t câ i·u ki»n, ta câ

P (X = x) ∩ (Y = y)

fY |X (y|x) = P Y = y X = x =
P(Y = y)

P X = x, Y = y
= ,
P(Y = y)
trong â, P(X = x, Y = y) = fX,Y (x, y) v P(X = x) = fX (x).

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)
ành ngh¾a 2.5

Vîi vector ngü nhi¶n ríi r¤c (X, Y ), h m mªt ë câ i·u ki»n cõa
Y cho tr÷îc X nhªn gi¡ trà x, ÷ñc ành ngh¾a
vîi fX (x) > 0. (8)

fX,Y (x, y)
fY |X y|x = ,
fX (x)
T÷ìng tü, h m mªt ë câ i·u ki»n cõa X cho tr÷îc (Y = y),

÷ñc ành ngh¾a
vîi fY (y) > 0. (9)
fX,Y (x, y)
fX|Y x|y = ,
fY (y)

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)
H» qu£ 2.6
H m mªt ë çng thíi fX,Y (·, ·) cõa vector ngü nhi¶n ríi r¤c (X, Y ),
vîi x ∈ X(Ω) v y ∈ Y (Ω), câ thº ÷ñc vi¸t d÷îi d¤ng sau
fX,Y (x, y) = fY |X (y|x).fX (x) = fX|Y (x|y).fY (y).

H m ph¥n phèi câ i·u ki»n - TH ríi r¤c
ành ngh¾a 2.7 (Conditional probability distribution function)

H m ph¥n phèi x¡c su§t cõa bi¸n ngü nhi¶n ríi r¤c X khi bi¸t Y
nhªn gi¡ trà y0, (vîi P(Y = y0) > 0), ÷ñc ành ngh¾a
(10)
X
FX|Y (x0 |y0 ) = P(X ≤ x0 Y = y0 ) = fX|Y (x|y0 ).
x∈X(Ω) : x≤x0
T÷ìng tü, h m ph¥n phèi x¡c su§t cõa bi¸n ngü nhi¶n ríi r¤c Y khi
bi¸t (X = x0), (vîi P(X = x0) > 0), ÷ñc ành ngh¾a
(11)
X
FY |X (y0 |x0 ) = P(Y ≤ y0 X = x0 ) = fY |X (y|x0 ).
y∈Y (Ω) : y≤y0

Ký vång câ i·u ki»n - Bi¸n ngü nhi¶n ríi r¤c
ành ngh¾a 2.8 (Conditional Expectation)

Ký vång câ i·u ki»n cõa bi¸n ngü nhi¶n ríi r¤c Y cho tr÷îc
(X = x0 ),(vîi P(X = x0) > 0), kþ hi»u E Y X = x0 hay µY |X=x0 ,
÷ñc ành ngh¾a
(12)
X
E Y X = x0 = y.fY |X (y|x0 ).
y∈Y (Ω)
T÷ìng tü, ký vång câ i·u ki»n cõa bi¸n ngü nhi¶n ríi r¤c X
cho tr÷îc (Y = y0 ), (vîi P(X = x0 ) > 0), ÷ñc ành ngh¾a
(13)
X
E X Y = y0 = x.fX|Y (x|y0 ).
x∈X(Ω)

Ký vång câ i·u ki»n - TH ríi r¤c : Mët sè t½nh ch§t
Mët sè t½nh ch§t cõa ký vång câ i·u ki»n

N¸u X v Y câ ph¥n phèi x¡c su§t çng thíi, th¼ ta câ
(i)
h i
E E X|Y = E(X);
(ii)
Var(X) = E Var(X|Y ) + Var E(X|Y ) .
h i h i

Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

V½ dö 2.2 (tt)
Cho (X, Y ) l vector ngü nhi¶n ríi r¤c 2-chi·u câ h m ph¥n phèi x¡c su§t
çng thíi fX,Y (·, ·) ÷ñc cho trong b£ng nh÷ sau
HH Y
HH −1 0 1
X H 1 1 1
−1 6 9 9
1 1
0 9 0 6
1 1 1
1 18 9 6
(a) Lªp b£ng ph¥n phèi x¡c su§t câ i·u ki»n cõa X cho tr÷îc Y = 1 v t½nh
fX|Y (−1|Y = 1).
(b) T½nh E X|Y = 1 v Var X|Y = 1 .

(c) Lªp b£ng ph¥n phèi câ i·u ki»n cõa Y cho tr÷îc X = −1 v t½nh
fY |X (1|X = −1).
(d) T½nh E(Y |X = −1) v Var(Y |X = −1).
Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

Gñi þ:
(a) Ta câ b£ng ph¥n phèi x¡c su§t câ i·u ki»n cõa X cho tr÷îc Y =1 :
X −1 0 1
1 1 1
9 6 6
fX|Y (|Y = 1) 1+1+1 1+1+1 1+1+1
9 6 6 9 6 6 9 6 6
(b) Ta câ:
E(X|Y = 1) = (−1).fX|Y (−1|Y = 1) + 0.fX|Y (0|Y = 1) + 1.fX|Y (1|Y = 1)
1
18
= 1
= µX|Y =1 ;
9
+ 61 + 16
Var(X|Y = 1) = (−1 − µX|Y =1 )2 .fX|Y (−1|Y = 1) + (0 − µX|Y =1 )2 .fX|Y (0|Y = 1)

+ (1 − µX|Y =1 )2 .fX|Y (1|Y = 1);
T÷ìng tü cho c¥u (c) v (d).

Sü ëc lªp cõa hai bi¸n ngü nhi¶n ríi r¤c
Sü ëc lªp cõa hai bi¸n ngü nhi¶n ríi r¤c

Hai bi¸n ngü nhi¶n ríi r¤c X v Y gåi l ëc lªp vîi nhau n¸u thäa
mët trong c¡c t½nh ch§t sau:
(i) fX,Y (x, y) = fX (x).fY (y), ∀x, y.
(ii) fY |X (y|x) = fY (y), vîi måi y v x thäa fX (x) > 0.
(iii) fX|Y (x|y) = fX (x), vîi måi x v y thäa fY (y) > 0.
(iv) P(X ∈ A, Y ∈ B) = P(X ∈ A).P(X ∈ B), vîi måi bi¸n cè A, B
tr¶n mi·n gi¡ trà t÷ìng ùng cõa X v Y .
V½ dö 2.9
Kiºm tra t½nh ëc lªp cõa hai bi¸n ngü nhi¶n X v Y trong v½ dö 2.2.
Sü ëc lªp cõa hai bi¸n ngü nhi¶n ríi r¤c - Th½ dö 2
V½ dö 2.10
Cho vector ngü nhi¶n (X; Y ) câ h m mªt ë çng thíi
f (x; y) = c(x + y), vîi x ∈ {1; 2; 3} v y ∈ {1; 2; 3} .
a) T¼m c º f (x; y) ¢ cho l h m mªt ë x¡c su§t.

b) T½nh P(X = 1; Y ≤ 4); P(X = 1); P(Y = 2) v P(X ≤ 2; Y ≤ 2).
c) T¼m ph¥n phèi l· cho X v ph¥n phèi l· cho Y .
d) T¼m ph¥n phèi cõa Y khi bi¸t X = 1 v ph¥n phèi cõa X khi bi¸t
Y = 2.
e) T½nh E(Y |X = 1) v E(X|Y = 2);
f) X v Y câ ëc lªp vîi nhau hay khæng?
Hi»p ph÷ìng sai v h» sè t÷ìng quan Hi»p ph÷ìng sai (Covariance)
Outline
1 Giîi thi»u
Ph¥n phèi l·

ành ngh¾a 3.1

Cho X v Y l hai b.n.n., hi»p ph÷ìng sai (Covariance) giúa X v Y,
kþ hi»u Cov(X; Y ) hay σX,Y , ÷ñc x¡c ành nh÷ sau
σX,Y ≡ Cov(X; Y ) = E X − E(X) . Y − E(Y ) (14)
h i

= E X.Y − E(X).E(Y ).
Remark
Hi»p ph÷ìng sai l ¤i l÷ñng dòng º o mèi quan h» tuy¸n t½nh giúa
hai bi¸n ngü nhi¶n X v Y .

Hi»p ph÷ìng sai (Covariance) - T½nh ch§t
T½nh ch§t
N¸u hai bi¸n ngü nhi¶n X v Y ëc lªp v câ ph÷ìng sai húu h¤n th¼
Cov(X; Y ) = 0 , (15)
v ph÷ìng sai cõa X + Y tho£
Var(X + Y ) = Var(X) = Var(Y ) .
Chó þ
N¸u hai b.n.n. X v Y câ Cov(X; Y ) = 0 th¼ ta nâi
⇒ X v Y khæng t÷ìng quan,
nh÷ng khæng thº suy ra ÷ñc (⇏) X v Y ëc lªp.
Hi»p ph÷ìng sai (Covariance) (tt)
ành lþ 3.2
N¸u X1 , X2 , ..., Xn l n bi¸n ngü nhi¶n sao cho
Var(X1 ) < +∞, Var(X2 ) < +∞, ..., Var(Xn ) < +∞, th¼
n
X j−1
n X
X
Var(X1 + X2 + ... + Xn ) = Var(Xj ) + 2. Cov(Xj ; Xk ) .
j=1 j=2 k=1
H» qu£
X²t X v Y l hai bi¸n ngü nhi¶n, a, b v c l h¬ng sè, ta câ
Var(aX + bY + c) = a2.Var(X) + b2.Var(Y ) + 2.a.b. Cov(X; Y ) .

Hi»p ph÷ìng sai v h» sè t÷ìng quan H» sè t÷ìng quan
Outline
1 Giîi thi»u
Ph¥n phèi l·

H» sè t÷ìng quan (Correlation)
ành ngh¾a 3.3

H» sè t÷ìng quan giúa hai bi¸n ngü nhi¶n X v Y , kþ hi»u ρX;Y ,
÷ñc ành ngh¾a nh÷ sau
ρX;Y = p
Cov(X; Y ) = σX,Y
Var(X).Var(Y ) σX .σY
Ta câ
−1 ≤ ρX;Y ≤ 1 .

Hi»p ph÷ìng sai (Covariance) - Th½ dö

V½ dö 3.4
Cho vector ngü nhi¶n

ríi r¤c (X; Y )
câ ph¥n phèi x¡c su§t
çng thíi nh÷ h¼nh b¶n.
T½nh Cov(X; Y ) v ρX;Y .

Hi»p ph÷ìng sai (Covariance) - Th½ dö 2
V½ dö 3.5
Cho vector ngü nhi¶n (X; Y ) câ ρX;Y = 31 v σX2 = a, σY2 = 4a. Bi¸n
ngü nhi¶n Z = 3.X − 4.Y câ σZ2 = 11. T¼m a.

XSTK-2 - 3-Chương2-Phần - 3-Vector ngẫu nhiên

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

XSTK-2 - 3-Chương2-Phần - 3-Vector ngẫu nhiên

Uploaded by

Copyright:

Available Formats

Ch÷ìng 2 - Ph¦n 3: VECTOR NGU NHIN

Nguy¹n Ti¸n ¤t

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 1 / 35

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 2 / 35

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 3 / 35

Vector ng¨u nhi¶n

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 5 / 35

H m ph¥n phèi cõa vector ng¨u nhi¶n 2-chi·u

FY (y) = P(Y ≤ y) = P(X < +∞, Y ≤ y) = lim FX,Y (x, y).

H m ph¥n phèi cõa vector ng¨u nhi¶n 2-chi·u: T½nh ch§t

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 7 / 35

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 8 / 35

H m mªt ë çng thíi - TH ríi r¤c

ành ngh¾a 2.1 (Joint probability mass function)

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 9 / 35

B£ng ph¥n phèi x¡c su§t çng thíi - TH ríi r¤c

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 10 / 35

H m mªt ë çng thíi - TH ríi r¤c: Th½ dö

T½nh: a) P(X + Y = 1); b) P(X = 0); c) P(X < Y ).

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 11 / 35

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 12 / 35

H m mªt ë l· - TH ríi r¤c

ành ngh¾a 2.3 (Marginal probability mass function)

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 13 / 35

H m mªt ë l· - TH ríi r¤c (tt)

■ B£ng ph¥n phèi l· cõa bi¸n ng¨u nhi¶n ríi r¤c X :

vîi fX (xi ) = fX,Y (xi , ) = y∈Y (Ω) fX,Y (xi , y).

■ B£ng ph¥n phèi l· cõa bi¸n ng¨u nhi¶n ríi r¤c Y :

vîi fY (yj ) = fX,Y (, yj ) = x∈X(Ω) fX,Y (x, yj ).

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 14 / 35

H m mªt ë çng thíi - Th½ dö

T¼m h m mªt ë l· cho X v Y.

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 15 / 35

ành ngh¾a 2.4

T÷ìng tü, ta công câ ành ngh¾a ký vång v ph÷ìng sai cho Y .

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 17 / 35

H m mªt ë câ i·u ki»n - TH ríi r¤c

p döng cæng thùc x¡c su§t câ i·u ki»n, ta câ

trong â, P(X = x, Y = y) = fX,Y (x, y) v P(X = x) = fX (x).

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 18 / 35

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)

ành ngh¾a 2.5

vîi fX (x) > 0. (8)

T÷ìng tü, h m mªt ë câ i·u ki»n cõa X cho tr÷îc (Y = y),

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 19 / 35

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)

fX,Y (x, y) = fY |X (y|x).fX (x) = fX|Y (x|y).fY (y).

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 20 / 35

H m ph¥n phèi câ i·u ki»n - TH ríi r¤c

ành ngh¾a 2.7 (Conditional probability distribution function)

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 21 / 35

Ký vång câ i·u ki»n - Bi¸n ng¨u nhi¶n ríi r¤c

ành ngh¾a 2.8 (Conditional Expectation)

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 22 / 35

Ký vång câ i·u ki»n - TH ríi r¤c : Mët sè t½nh ch§t

Mët sè t½nh ch§t cõa ký vång câ i·u ki»n

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 23 / 35

Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

Var(X|Y = 1) = (−1 − µX|Y =1 )2 .fX|Y (−1|Y = 1) + (0 − µX|Y =1 )2 .fX|Y (0|Y = 1)

T÷ìng tü cho c¥u (c) v (d).

Dat T. Nguyen Vector ng¨u nhi¶n VNUHCM-US 25 / 35

Sü ëc lªp cõa hai bi¸n ng¨u nhi¶n ríi r¤c

Ch÷ìng 2 - Ph¦n 3: VECTOR NGU NHIN

Nguy¹n Ti¸n ¤t

H m mªt ë çng thíi - TH ríi r¤c

ành ngh¾a 2.1 (Joint probability mass function)

B£ng ph¥n phèi x¡c su§t çng thíi - TH ríi r¤c

H m mªt ë çng thíi - TH ríi r¤c: Th½ dö

H m mªt ë l· - TH ríi r¤c

ành ngh¾a 2.3 (Marginal probability mass function)

H m mªt ë l· - TH ríi r¤c (tt)

vîi fX (xi ) = fX,Y (xi , ) = y∈Y (Ω) fX,Y (xi , y).

vîi fY (yj ) = fX,Y (, yj ) = x∈X(Ω) fX,Y (x, yj ).

H m mªt ë çng thíi - Th½ dö

T¼m h m mªt ë l· cho X v Y.

ành ngh¾a 2.4

T÷ìng tü, ta công câ ành ngh¾a ký vång v ph÷ìng sai cho Y .

H m mªt ë câ i·u ki»n - TH ríi r¤c

p döng cæng thùc x¡c su§t câ i·u ki»n, ta câ

trong â, P(X = x, Y = y) = fX,Y (x, y) v P(X = x) = fX (x).

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)

ành ngh¾a 2.5

T÷ìng tü, h m mªt ë câ i·u ki»n cõa X cho tr÷îc (Y = y),

H m mªt ë câ i·u ki»n - TH ríi r¤c (tt)

H m ph¥n phèi câ i·u ki»n - TH ríi r¤c

ành ngh¾a 2.7 (Conditional probability distribution function)

Ký vång câ i·u ki»n - Bi¸n ng¨u nhi¶n ríi r¤c

ành ngh¾a 2.8 (Conditional Expectation)

Ký vång câ i·u ki»n - TH ríi r¤c : Mët sè t½nh ch§t

Mët sè t½nh ch§t cõa ký vång câ i·u ki»n

Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

Ph¥n phèi x¡c su§t câ i·u ki»n - Th½ dö

Sü ëc lªp cõa hai bi¸n ng¨u nhi¶n ríi r¤c

Sü ëc lªp cõa hai bi¸n ng¨u nhi¶n ríi r¤c

a) T¼m c º f (x; y) ¢ cho l h m mªt ë x¡c su§t.

ành ngh¾a 3.1

ành ngh¾a 3.3